python系列教程160——列表解析

Posted 2022-03-18 人工智能AI技术

朋友们，如需转载请标明出处：https://blog.csdn.net/jiangjunshow

声明：在人工智能技术教学期间，不少学生向我提一些python相关的问题，所以为了让同学们掌握更多扩展知识更好地理解AI技术，我让助理负责分享这套python系列教程，希望能帮到大家！由于这套python教程不是由我所写，所以不如我的AI技术教学风趣幽默，学起来比较枯燥；但它的知识点还是讲到位的了，也值得阅读！想要学习AI技术的同学可以点击跳转到我的教学网站。PS：看不懂本篇文章的同学请先看前面的文章，循序渐进每天学一点就不会觉得难了！

之前我们学习了，在遍历一个列表的时候，可以使用range来修改它：

>>>L = [1,2,3,4,5]


>>>for i in range（len（L））:

...    L[i] += 10

...

>>>L

[11,12,13,14,15]

但是正如我们所提到的，它可能不是Python中的优化的“最佳实践”。如今，列表解析表达式使得上面的代码变得过时了。例如，我们可以用产生所需的结果列表的一个单个表达式来替代该循环：

>>>L = [x + 10 for x in L]

>>>L

[21,22,23,24,25]

直接结果是相同的，但是它需要较少的代码，并且可能会运行的更快。列表解析并不完全和for循环语句版本相同，因为它产生一个新的列表对象。

为了在语法上进行了解，让我们更详细地剖析前面的例子：

>>>L = [x + 10 for x in L]

列表解析写在一个方括号中，因为它们最终是构建一个新的列表的一种方式。Python在解释器内部执行一个遍历L的迭代，按照顺序把x赋给每个元素，并且收集对各元素运行左边的表达式的结果。

从技术上讲，列表解析并非真的是必需的，因为我们总是可以用一个for循环手动地构建一个表达式结果的列表。然而，列表解析编写起来更加精简。此外，列表解析比手动的for循环语句运行的更快（往往速度会快一倍），因为它们的迭代在解释器内部是以C语言的速度执行的，而不是以手动Python代码执行的，特别是对于较大的数据集合，这是使用列表解析的一个主要的性能优点。